Ground-based monitoring of the variability of visible Solar spectral lines for improved understanding of solar and stellar magnetism and dynamics
该白皮书提出建立地面光谱仪网络,以高光谱分辨率和高光度稳定性长期监测太阳盘积分光谱变率,结合盘分辨观测,补充系外行星探测和恒星变率研究,促进多学科科学回报。
2023-05-11 astro-ph.EP astro-ph.IM astro-ph.SR
Measuring precise radial velocities on individual spectral lines. I. Validation of the method and application to mitigate stellar activity
恒星活动是使用RV技术探测地球孪星的主要限制。尽管许多努力试图使用经验和统计技术来减轻恒星活动的影响,但似乎我们正面临着一个使用现有技术极难克服的障碍。在本文中,我们研究了一种新的方法来获得精确的RV考虑到丰富的信息存在于高分辨率光谱。这种新的方法包括从所有的观测建立一个主光谱,并测量光谱中每条谱线相对于它的RV。当分析多个光谱时,最终产品是每条谱线作为时间函数的RV。我们证明了三颗星密集观察HARPS,我们的新方法给出的RV是非常相似的HARPS数据简化软件。我们的新方法来获得RV表明,每日HARPS波长解决方案的不稳定性引起夜间RV偏移的标准偏差为0.4米/秒,我们提出了一个解决方案来纠正这个系统。最后,这可能是最天体物理相关的结果,本文中,我们证明了一些谱线强烈的恒星活动的影响,而其他人没有。通过测量两个精心选择的谱线子样本上的RV,我们证明我们可以将2010年Alpha Cen B RV中恒星活动引起的红噪声提高2倍或减轻1.6倍。通过测量每条谱线的RV,我们能够达到与其他批准技术相同的RV精度。此外,这种新方法可以证明每条线都受到恒星活动的不同影响。初步结果表明,详细研究每条谱线的行为可能是克服恒星活动的关键。
2018-10-22 astro-ph.EP astro-ph.IM astro-ph.SR
Spectral Ratio Analysis: probing of a new suite of stellar activity indicators as a tool for astrophysical noise mitigation
Queen’s University Belfast(贝尔法斯特女王大学);Imperial College London(伦敦帝国理工学院);Flatiron Institute(平顿研究所);Univ. Grenoble Alpes, CNRS, IPAG(格勒诺布尔阿尔卑斯大学,法国国家科学研究中心,天体物理与行星学研究所);Armagh Observatory & Planetarium(阿马天文台及天文馆)
研究利用光谱比分析技术,通过比较多时间尺度上恒星活跃与不活跃阶段观测数据,识别活动敏感光谱特征,简化为全局指标,发现早型恒星光色球响应解耦等特征,该指标捕捉径向速度变化能力优于经典代理,为减轻天体物理噪声提供新途径。
2026-07-08 astro-ph.EP astro-ph.IM astro-ph.SR
Spatially resolved spectroscopy across stellar surfaces. I. Using exoplanet transits to analyze 3-D stellar atmospheres
高精度恒星分析需要流体动力学建模来解释化学丰度或振荡模式。系外行星大气研究需要沿过境路径的恒星背景光谱,而地球类似物的检测需要了解恒星的微变。流体动力学3-D模型可以计算广泛不同的恒星,但已详细测试,只有太阳与其解决的表面特征。模型的预测包括谱线形状,不对称性,和波长的变化,和他们的中心到肢体的变化跨越恒星盘。目标:观测空间高分辨率恒星表面的高分辨率谱线剖面,这种剖面不受全圆盘光谱中存在的空间拖尾和旋转加宽的影响,从而能够与三维模型的合成剖面进行比较。方法:采用正交设计法在系外行星凌日期间,连续的恒星表面部分变得隐藏,并且各个凌日阶段之间的差分光谱提供了暂时隐藏在行星后面的小表面部分的光谱。行星覆盖的范围不超过任何主序星的1%,这使得空间分辨率很高,但需要非常精确的观测。通过对合成谱线的模拟观测来确定实际可测量的量。研究结果:在正常恒星中,不同凌日相位之间的谱线轮廓比可能会有0.5%的变化,需要5,000或更高的信噪比才能进行有意义的光谱重建。虽然对单个谱线来说还不现实,但对冷恒星来说,这是可以通过对具有相似参数的许多谱线进行平均来实现的。结论:对于大型凌日行星的明亮宿主恒星,空间分辨光谱学目前是实用的。在不久的将来,通过不断的光度搜索,可能会发现更多可观测的目标。
2017-08-04 astro-ph.EP astro-ph.IM astro-ph.SR
On line contribution functions and examining spectral line formation in 3D model stellar atmospheres
谱线贡献函数是研究恒星大气中谱线形成的有效诊断方法。我推导出一个表达式的贡献函数的绝对通量抑郁症,出现在三维盒在一个明星模型恒星大气。我说明的结果,通过比较本地热力学平衡(LTE)谱线形成的高激发允许OI 777 nm线与非LTE的情况下。
2015-07-24 astro-ph.SR
Application of Convolutional Neural Networks for Stellar Spectral Classification
由于SDSS和LAMOST等测量观测到的光谱数据量不断扩大,应用人工智能(AI)技术分析恒星光谱以解决光谱分类和回归问题(如确定恒星大气参数Teff,log g,[Fe/H])变得非常重要。我们提出了一个自动化的方法,利用卷积神经网络的恒星光谱的光学区域的分类。传统的机器学习(ML)方法具有“浅层”架构(通常多达2个隐藏层),过去已经为此目的进行了训练。然而,具有更多隐藏层的深度学习方法允许使用频谱中更精细的细节,从而提高准确性和更好的泛化能力。研究更精细的光谱特征也使我们能够确定精确的差分恒星参数和发现稀有天体。我们研究了各种机器和深度学习算法,如人工神经网络(ANN),随机森林(RF)和卷积神经网络(CNN),以分类恒星光谱使用的光谱库作为训练样本。我们在Indo-U.S. Library of Coude Feed Stellar Spectra(CFLIB)上测试了训练网络的性能。我们表明,使用卷积神经网络,我们能够将误差降低到1.23个光谱子类,与过去研究中使用ML方法实现的2个子类相比。我们进一步应用训练好的模型对信噪比大于20的SDSS数据库中的恒星光谱进行分类。
2019-09-12 astro-ph.IM astro-ph.SR
Center-to-limb variation of spectral lines and their effect on full-disk observations
研究提出NESSI工具,将部分视场的高分辨率太阳观测转换为盘积分光谱,以测试恒星物理假设,解决谱线临边昏暗变化表征难题。
2023-11-10 astro-ph.EP astro-ph.IM astro-ph.SR
The Challenges of Observing, Calibrating, and Modeling Stellar Spectral Energy Distributions
虽然光学和量子效率正在上升,光谱仪变得大规模多路复用,但准确测量天文源的光谱能量分布仍然是一个挑战。除了大气折射、消光、可变性和仪器入口狭缝和光纤的有限孔径之外,精确校准还受到可靠标准星选择有限等问题的阻碍。恒星光谱能量分布的建模已经取得了很好的进展,但仍然存在一些弱点,特别是对于晚型恒星。本文概述了这些问题,并讨论了未来大型光谱调查的观测,校准和建模策略。
2019-03-16 astro-ph.IM astro-ph.SR
Inferring Stellar Parameters from Iodine-Imprinted Keck/HIRES Spectra with Machine Learning
Indiana University(印第安纳大学);Yale University(耶鲁大学)
本文提出并公开了机器学习流程CHIP,可从碘印刻的Keck/HIRES光谱中高效推断FGK恒星的恒星参数和15种化学丰度,无需无碘模板光谱。
2024-01-12 astro-ph.EP astro-ph.SR cs.LG
Program package for the analysis of high resolution high signal-to-noise stellar spectra
软件包SME(光谱学变得容易),旨在使用光谱拟合技术进行恒星光谱分析,由于在VALD中增加了新的功能(同位素和超精细分裂),并包括几个化学元素的能级的NLTE计算网格,因此进行了更新。SME允许自动导出恒星大气参数:有效温度、表面重力、化学丰度、径向和旋转速度、湍流速度,同时考虑到定义谱线形成的所有影响。SME软件包使用恒星大气的最佳网格,使我们能够在广泛的恒星参数和金属丰度范围内(从BAFGK光谱类的矮星到巨星)以类似的准确度进行光谱分析。
2017-10-30 astro-ph.IM astro-ph.SR
SOAP-GPU: Efficient Spectral Modelling of Stellar Activity Using Graphical Processing Units
恒星活动减缓是径向速度(RV)测量中检测类地系外行星的主要挑战之一。现在有几种很有前途的技术正在研究光谱时间序列的使用,以区分恒星和行星扰动。在本文中,我们提出了一个新版本的现货振荡和行星(SOAP)2.0代码,可以使用图形处理单元(GPU)在光谱水平上模拟恒星活动。我们利用GPU的计算能力来优化原始SOAP 2.0代码背后的计算昂贵的算法。我们开发的GPU内核允许在任何给定的波长范围内模拟恒星活动。SOAP-GPU除了在光谱水平上处理恒星活动外,还包括从中心到边缘的谱线平分线的变化,并且可以将PHOENIX光谱作为输入来模拟安静的光球,斑点和光斑,这允许在恒星属性中模拟宽空间的恒星活动。基准计算表明,对于相同的精度,这个新的代码提高了60倍的计算速度相比,SOAP 2.0的修改版本,产生光谱,当建模恒星活动的全可见光谱范围内的分辨率为R=115'000。尽管代码现在包括谱线平分线随中心到边缘角的变化,但对导出的RV的影响很小。公开的SOAP-GPU代码允许在光谱水平上有效地模拟恒星活动,这对于测试在不受其他噪声源影响的光谱时间序列水平上工作的进一步恒星活动缓解技术至关重要。除了性能上的巨大提升外,SOAP-GPU还包括更多的物理特性,并且由于使用了PHOENIX光谱库,它能够对太阳以外的不同恒星进行建模,从F到K矮星。
2023-01-11 astro-ph.SR
Stellar Spectral Interpolation using Machine Learning
理论恒星光谱依赖于恒星大气模型,该模型是根据我们对恒星内部物理定律的理解计算出来的。这些模型,再加上原子和分子线数据库,被用来生成理论恒星光谱库(SSL),包括恒星光谱的大气参数(温度,表面重力,丰度)在任何所需的分辨率定期网格。另一类SSL被称为经验光谱库;这些包含在有限分辨率下观察到的光谱。在推导恒星和恒星星族的性质方面,超晶格起着至关重要的作用。理论库和经验库都受到参数空间覆盖范围有限的影响。通过在可用参数空间的网格内进行内插来生成特定大气参数集的光谱,在一定程度上克服了这一限制。在这项工作中,我们提出了一种使用机器学习算法在光学区域进行光谱插值的方法,该算法是通用的,易于适应任何SSL,而无需对模型参数进行太多更改,并且计算成本低廉。我们使用两种机器学习技术,随机森林(RF)和人工神经网络(ANN),并在MILES库上训练模型。我们将训练好的模型应用于CFLIB的光谱进行测试,结果表明两种模型的性能相当。我们表明,这两个模型实现更好的精度比现有的基于多项式的插值和高斯径向基函数(RBF)插值方法。
2020-06-20 astro-ph.IM astro-ph.SR
Spatially resolved spectroscopy across stellar surfaces. V. Observational prospects: Toward Earth-like exoplanet detection
测试恒星大气的三维流体动力学模型是可行的检索谱线形状的恒星盘,在系外行星凌日期间使用差分光谱。从超高光谱分辨率的合成数据,FeI和FeII线的特征模式在论文IV中从跨越T=3964- 6726 K的3D模型中识别出来(光谱型约为1000 K)。K8V-F3V)。在普通的光谱分辨率和噪声的存在下,不同的强度,激发电位和电离水平的线之间的图案的可观测性进行检查。三维大气中的时间变化引起谱线参数的变化,其中一些是相关的。适当的校准可以识别表观径向速度抖动的代理,以调整实际的恒星径向运动。我们还研究了中心到肢体的时间变异性。针对各种噪声水平,显示了具有拟合宽度和深度的空间分辨线轮廓的恢复。模拟了系外行星过境期间的信号。除了Rossiter-McLaughlin型特征的视径向速度,类似的效果线的深度和宽度。通过系外行星凌日,已经可以通过适度的努力检索宽度、深度和波长位置的总体恒星谱线参数,但是需要非常好的信噪比来揭示谱线分组之间更微妙的特征,其中对大气结构的更精细细节进行编码。在一个太阳模型中,时间变化显示了视径向速度抖动和线深度波动之间的相关性。由于线深度的波动和波长的抖动都可以从地面测量,因此搜索低质量系外行星应该探索这些因素,以调整视径向速度以适应实际的恒星运动。
2021-03-08 astro-ph.EP astro-ph.IM astro-ph.SR
Stellar Spectral Signatures in High-Redshift Galaxies
恒星的发射线和吸收线通常在星系中用8- 10米级望远镜上的摄谱仪在红移高达5处观测到。虽然整体光谱是很好的理解,并已成功地使用经验和理论库建模,一些挑战仍然存在。讨论了三个问题:利用恒星和星际谱线确定丰度,了解强恒星He II 1640谱线的起源,并测量恒星Lyman-α对恒星+星云组合剖面的影响。所有这三个问题都可以通过最近建立的热恒星理论恒星库来解决,这些恒星库考虑到了恒星风的辐射流体动力学。
2013-12-09 astro-ph.CO astro-ph.SR
Machine Learning in Stellar Astronomy: Progress up to 2024
本文综述了截至2024年机器学习在恒星天文学中的应用,重点介绍了有监督与无监督算法及深度学习模型在恒星分类、恒星参数推断以及各类恒星与星际介质天体研究中的关键作用。
2025-03-03 astro-ph.GA astro-ph.IM astro-ph.SR
From stellar light to astrophysical insight: automating variable star research with machine learning
本文综述了机器学习如何推动星震学进入自动化发现时代,覆盖从数据清洗到变异性分类与参数推断的完整流程,并重点介绍了表示学习、多模态数据集和基础模型的最新进展及其对时域天文学的推动作用。
2025-07-03 astro-ph.IM astro-ph.SR
SteParSyn: A Bayesian code to infer stellar atmospheric parameters using spectral synthesis
内容:SteParSyn是一个用Python 3.X编写的自动化代码,旨在根据光谱合成方法推断FGKM型恒星的恒星大气参数Teff,log(g)和[Fe/H]。目的:我们提出了一个描述的SteParSyn代码和测试其性能对一个样本的晚型恒星,观察与HERMES光谱仪安装在1.2米墨卡托望远镜。该样本包含35个晚型目标,这些目标具有独立于光谱学确定的众所周知的恒星参数。该代码在GitHub存储库中提供给天文社区。研究方法:SteParSyn使用马尔可夫链蒙特卡罗(MCMC)采样器,通过将动态生成的合成模型光谱与观测结果进行比较来探索参数空间。合成光谱是用光谱仿真器生成的。结果:我们计算了Teff,log(g)和[Fe/H]为我们的样本星,并讨论了代码的性能。我们计算了这些靶的内散射,Teff为-12 +-117 K,log(g)为0.04 +-0.14 dex,[Fe/H]为0.05 +-0.09 dex。此外,我们发现,与SteParSyn得到的log(g)值是一致的三角表面重力的0.1 dex水平。最后,对于vsini <= 30 km/s的恒星,SteParSyn可以计算精确到50 K、0.1 dex和0.05 dex的Teff、log(g)和[Fe/H]的恒星参数。
2021-10-01 astro-ph.EP astro-ph.IM astro-ph.SR
MAISTEP -- a new grid-based machine learning tool for inferring stellar parameters I. Ages of giant-planet host stars
本文提出基于网格的机器学习工具MAISTEP,仅用大气约束推断恒星半径、质量和年龄,并发现热木星宿主恒星在统计上比暖木星和冷木星宿主更年轻。
2025-02-04 astro-ph.EP astro-ph.IM astro-ph.SR
Atmospheric stellar parameters for large surveys using FASMA, a new spectral synthesis package
在以银河系恒星星族为重点的大规模光谱调查的时代,天文学家希望利用大量和高质量的数据来获得它们的大气参数,而不会失去自动程序的精度。在这项工作中,我们开发了一个新的光谱包,FASMA,估计恒星大气参数(即有效温度,表面重力和金属丰度)在一个快速和强大的方式。该方法适用于FGK型恒星的中高分辨率光谱。光谱分析基于使用辐射转移代码MOOG的光谱合成技术。谱线列表主要由光谱中的铁谱线组成。原子数据是在太阳和大角星之后校准的。我们使用两个比较样本来测试我们的方法,i)来自高分辨率HARPS光谱仪的451个FGK型矮星样本,ii)使用高分辨率和中等分辨率光谱的Gaia-ESO基准星。我们探索偏见,我们的方法从分析合成光谱覆盖我们感兴趣的参数空间。我们表明,我们的光谱包是能够提供可靠的结果,为广泛的恒星参数,不同的旋转速度,不同的仪器分辨率,并为不同的光谱区域的VLT-GIRAFFE光谱仪,除其他外用于盖亚-ESO调查。FASMA估计恒星参数在不到15分钟的高分辨率和3分钟的中分辨率光谱。完整的软件包向社区公开。
2017-10-16 astro-ph.IM astro-ph.SR
On the impact of spectral template uncertainties in synthetic stellar populations
在恒星演化和恒星光谱方面,恒星种群模型的不确定性转化为我们对星系中恒星星族解释的不确定性,因为恒星是我们从它们那里接收到的大部分光的来源。JWST的观测非常详细地揭示了高红移星系,然后必须与模型进行比较。不确定性的一个重要来源是用于生成恒星星族的合成光谱的恒星光谱,然后将其与数据进行比较。理论模型的可信度对于可靠地确定这些星系的性质,如它们的年龄和恒星形成历史非常重要。在这里,我们提出了一个比较的光谱合成进行了6个不同的恒星光谱库使用二进制人口和光谱合成(BPASS)的框架。在光度颜色方面,理论库之间的差异相对较小(<0.10等),类似于单个星系观测的典型观测不确定性。当详细的光谱特性被检查时,差异变得更加明显。对谱线指数的预测可以显著变化,在某些情况下等效宽度相差两倍。凭借这些指数的优势,一些库产生了非物理的年龄和金属丰度预测。许多光谱库缺乏紫外线的波长覆盖,这在JWST观测遥远星系的时代越来越重要,其通量主要是由热的年轻恒星。
2023-03-29 astro-ph.CO astro-ph.GA astro-ph.SR
Machine learning in APOGEE: Identification of stellar populations through chemical abundances
Instituto de Astrofísica de Canarias(加那利群岛天体物理研究所);Universidad de La Laguna(拉古纳大学)
现代天文测量产生的大量数据为机器学习的应用提供了试验平台。重要的是要评估潜在的现有工具,并确定那些最适合从现有观测中提取科学知识的工具。我们探讨了使用聚类算法来分离具有不同化学模式的恒星星族的可能性。星团可能是银河系中化学成分最均匀的群体,因此任何识别不同恒星星族的实用方法至少应该能够将星团彼此分开。我们应用八种聚类算法结合四种降维策略,自动区分星团使用13种元素的化学丰度。我们的样本包括18个星团,共453颗恒星。我们使用的统计测试表明,一些对集群是无法区分彼此时,从阿帕奇点星系演化实验(APOGEE)的化学丰度。然而,对于大多数集群,我们能够自动分配成员与度量分数类似于以前的作品。自动选择的聚类的混淆程度与统计测试一致,这些测试表明不可能完全区分所有聚类。这些统计测试和混淆程度为仅根据化学丰度盲目识别同一星团中诞生的恒星的前景建立了限制。我们发现,我们探索的一些算法是能够盲目地识别恒星星族的年龄和化学分布相似的APOGEE数据。因为有些星团在化学上是无法区分的,我们的研究支持了扩展弱化学标记的概念,即涉及星团家族而不是单个星团
2019-07-30 astro-ph.GA astro-ph.IM astro-ph.SR
Spectral libraries and their uncertainties
恒星光谱库是研究恒星星族和自动测定大样本恒星大气参数的基本工具。在本书的背景下,我从恒星星族建模的角度概述了恒星光谱库的现状:我们目前有什么,它们有多好,我们需要进一步改进的地方。
2009-06-04 astro-ph.SR
Spectral Line Depth Variability in Radial Velocity Spectra
恒星活动区域,包括斑点和光斑,可以产生径向速度(RV)信号,干扰低质量系外行星的检测和质量测量。在这样做时,这些活动区域对每条谱线的影响不同,但这些差异的起源还没有完全理解。在这里,我们探讨如何谱线的变异性与S-指数(钙H & K发射)有关的原子属性的每个谱线。接下来,我们开发了一个简单的分析恒星大气模型,可以解释最大的线变化与S指数的来源。然后,我们将这个模型应用到α Cen B的HARPS光谱来解释Fe I线深度的变化,在恒星的可见半球上的活动区和安静区之间的磁盘平均温度差。这项工作有助于建立一个物理基础,了解恒星活动如何不同地表现在每个谱线,并可能有助于未来的工作减轻恒星活动对系外行星RV调查的影响。
2022-03-29 astro-ph.EP astro-ph.SR
Deriving the stellar labels of LAMOST spectra with Stellar LAbel Machine (SLAM)
LAMOST调查在其数据发布5(DR 5)中提供了900万个光谱,R $\sim$ 1800。对于如此大的样本,提取精确的恒星标签至关重要。在本文中,我们报告的恒星LABEL机(SLAM),这是一个基于支持向量回归(SVR),一个强大的非线性回归技术的数据驱动的方法的实现。由于能够用SVR对高度非线性问题进行建模,SLAM通常可以在广泛的光谱类型上获得恒星标签。与其他流行的数据驱动方法相比,这使它具有独特的功能。为了说明这种能力,我们测试的性能SLAM的恒星范围从Teff $\sim$ 4000到$\sim$ 8000 K的LAMOST光谱和恒星标签上训练。在g波段信噪比(SNRg)大于100时,Teff、logg和[Fe/H]的随机不确定度分别为50 K、0.09 dex和0.07 dex。然后,我们建立了另一个由APOGEE和LAMOST共星训练的SLAM模型,以证明其处理高维问题的能力。光谱来自LAMOST DR 5,训练集的恒星标签来自APOGEE DR 15,包括Teff、logg、[M/H]、[ $α$ /M]、[C/M]和[N/M]。在SNRg $\sim$ 100处,这些参数的交叉验证散点分别为49 K、0.10 dex、0.037 dex、0.026 dex、0.058 dex和0.106 dex。这一性能与其他最新的数据驱动模型处于同一水平。作为一个副产品,我们…
2019-10-07 astro-ph.GA astro-ph.IM astro-ph.SR
Introducing STARDIS: An Open and Modular Stellar Spectral Synthesis Code
本文介绍开源模块化1D恒星光谱合成代码stardis,可合成FGK星近紫外至红外光谱,与korg在太阳模型上吻合良好,紫外区存在差异。
2025-04-25 astro-ph.IM astro-ph.SR
An Encoding System to Represent Stellar Spectral Classes in Archival Databases and Catalogs
来自空间和地面望远镜的数据档案为天文学界提供了巨大的机会。我们描述了一个恒星光谱的分类编码系统,该系统是为档案数据库设计的,它按光谱类组织光谱数据。“这些类别被编码成TT.tt.LL.PPPP形式的数字格式,其中TT和tt指的是光谱类型和子类型,LL指的是光度类别,PPPP指的是可能的光谱特性。档案中心可能希望利用这个系统来量化分类目录中发现的以前任意的光谱分类字符串的类别,这些分类目录对应于他们所持有的指向光谱观测的数据集。编码系统还将允许用户基于光谱类别范围请求存档数据,从而简化繁琐的数据发现过程。附录A中的材料是“规范性”的(定义标准的一部分)。附录B和C是“信息性的”,旨在说明一个数据提供者(MAST)如何选择处理一些实际细节。
2011-12-15 astro-ph.SR
Machine Learning Regression of stellar effective temperatures in the second $Gaia$ Data Release
本文报告了监督机器学习算法在第二次$Gaia$数据发布中的恒星有效温度回归中的应用,该算法基于四项光谱调查中的恒星组合:大天区多目标光纤光谱望远镜、斯隆银河系理解和探索扩展、阿帕奇点天文台星系演化实验和射电速度扩展。这个组合,大约400万颗恒星,使我们能够构建最大的回归训练样本之一,并进一步预测可靠的恒星温度,均方根误差为191 K。这一结果比$Gaia$第二次发布的基于大约6万颗恒星的数据更精确。经过一系列的数据清理过程后,从$Gaia$参数中仔细选择输入回归量的输入特征,包括颜色、3D位置和自行。这些$Gaia$参数用于预测第二次$Gaia$数据发布中132,739,323颗有效恒星的有效温度。我们还提出了一种新的方法,盲测试和测试外部回归没有额外的数据。该方法为最大化预测样本量提供了一种有效的途径,在未来天体物理研究中具有广阔的应用前景。
2019-06-24 astro-ph.IM astro-ph.SR
Precise and efficient modeling of stellar-activity-affected solar spectra using SOAP-GPU
本文提出使用SOAP-GPU进行两种太阳活动建模方法,通过对比HARPS-N真实数据,证明其能精确模拟恒星活动对径向速度和光谱线的影响,为评估光谱级恒星活动缓解技术提供测试平台。
2024-12-18 astro-ph.EP astro-ph.SR
Spectral line profiles changed by dust scattering in heavily obscured young stellar objects
星周尘埃对辐射的散射可以强烈地改变恒星光谱中的谱线轮廓。这妨碍了对起源于被严重遮蔽的年轻恒星的发射区的谱线的分析。为了计算散射辐射的线轮廓,我们建议使用远程散射粒子的近似。这种近似假设散射尘埃颗粒与恒星的距离远大于发射区的特征尺寸。用这种方法计算了几种简单模型的谱线轮廓。它们显示了赫比格AeBe恒星在存在和不存在静止或移动尘埃的情况下的H α线轮廓。
2012-07-11 astro-ph.SR
Classifying Single Stars and Spectroscopic Binaries Using Optical Stellar Templates
恒星光谱分类是现代天文学的一个基本工具,它提供了对有效温度、表面重力和金属丰度等物理特征的深入了解。准确和快速的光谱类型是大型全天空光谱调查(如SDSS和LAMOST)的必要条件。在这里,我们提出了下一个版本的PyHammer,恒星光谱分类软件,使用光谱模板和谱线指数测量。PyHammer v2.0扩展了分类能力,包括碳(C)星、DA白矮星(WD)星和双线分光双星(SB 2)。此版本还包括一个新的亮度归一化光谱的经验库,可用于通量校准观测光谱,或创建合成SB2光谱。我们已经生成了物理上合理的SB2组合作为模板,为PyHammer添加了光谱类型SB2的能力。我们测试的SB2光谱,从SDSS生成的分类成功率,在广泛的光谱类型和信噪比。在所述配对的定义范围内,超过$95\%$的SB 2被正确分类。
2020-07-01 astro-ph.SR
Towards early-type eclipsing binaries as extragalactic milestones: II. NLTE spectral analysis and stellar parameters of the detached O-type system OGLE-LMC-ECL-06782 in the LMC
我们将对O型食双星OGLE-LMC-ECL-06782的NLTE光谱分析与视向速度曲线和光变曲线的分析相结合,测量了到LMC的独立距离。在我们的光谱分析中,我们研究了系统的正交合成光谱,并利用径向速度和光变曲线的恒星重力,半径和分量通量比的信息来推导有效温度,红化,消光和内禀表面亮度。我们得到了大麦哲伦星系的距离模为m-M = 18.53 +/- 0.04等,这个值比最近对一个大样本的分离的、长周期的晚光谱型食双星的分析所得到的精确距离大0.05等,但在不确定性的范围内是一致的。我们还确定了系统组件的表面亮度,并发现与公布的表面亮度颜色关系很好的协议。观测到的恒星参数与基于MESA恒星演化代码的恒星演化预测的比较显示出合理的一致性,但需要减少内部角动量输运以匹配观测到的旋转速度。
2020-01-14 astro-ph.SR
Medium Resolution Spectral Library of Late-Type Stellar Templates in Near-Infrared Band
我们目前中等分辨率(R = 5000-6000)光谱在近红外波段,1.4-1.8微米,在G,K和M型模板星观察的阶梯光谱仪,IRCS,在SUBARU 8.2米望远镜。谱线的识别是基于文献中大角星(K2 III)的光谱。我们测量了等效宽度,并将我们的结果与Meyer等人(1998)的结果进行了比较。我们的结论是,我们的光谱分辨率(R = 6000)的数据可以更准确地研究恒星光谱线的性质。ASCII格式的恒星光谱模板库可在万维网上下载。
2011-10-30 astro-ph.SR
The Survey of Surveys: machine learning for stellar parametrization
提出利用统一重校准的光谱星表训练神经网络,从大型测光巡天数据中测定恒星温度、表面重力和金属丰度,为数百万颗恒星提供光谱质量参数。
2024-12-06 astro-ph.GA astro-ph.IM astro-ph.SR
Resonant structures in exozodiacal clouds created by exo-Earths in the habitable zone of late-type stars
Seoul National University(首尔大学)
通过数值模拟研究不同光谱型恒星(F4-M4)周围系外黄道尘埃的共振结构,发现恒星风阻力对M型星尘埃动力学起主导作用,并影响共振环的对比度和热辐射分布。
2025-11-22 astro-ph.EP astro-ph.SR
The Spectral Amplitude of Stellar Convection and its Scaling in the High-Rayleigh-Number Regime
对流在任何恒星内部的动力学中起着核心作用,但它的运作仍然很大程度上隐藏在直接观测之外。因此,我们对恒星对流的许多理解必然来自理论和计算模型。太阳在这方面是例外的。它的邻近提供了丰富的观测数据,为对流模型与观测结果的比较提供了一个独特的测试平台。当进行这种比较时,这些模型和观测结果之间令人惊讶的不一致变得明显。光球和日震测量表明,对流模拟可能高估对流流动速度在大的空间尺度。此外,许多太阳对流模拟很难再现观测到的太阳差异旋转,由于这一明显的高估。我们提出了一系列的3维(3-D)恒星对流模拟,旨在研究如何建立在恒星内部对流的振幅和光谱分布。虽然这些模拟是非磁性和非旋转的性质,他们证明了两个强大的现象。当以足够高的瑞利数运行时,对流的积分动能变得有效地独立于热扩散,但是该动能的谱分布仍然对这两个量敏感。已经收敛到动能的扩散无关值的模拟将在空间尺度之间划分能量,使得相对于具有较高瑞利数的可比系统,低波数功率被高估,而高波数功率被低估。我们讨论了这些结果的影响,根据目前的模型和观测之间的不一致。
2015-11-07 astro-ph.EP astro-ph.SR
NutMaat: A Python package for stellar spectral classification on the MK system
NutMaat是一个受MKCLASS启发的开源Python软件包,用于自动化MK恒星光谱分类,具备批处理和模块化架构,在CFLIB、MILES、LAMOST和SDSS-IV MaStar等数据上验证了与MKCLASS相当的分类精度、化学特殊星识别能力及巡天就绪性。
2025-08-17 astro-ph.GA astro-ph.IM astro-ph.SR
Precision Stellar Characterization of FGKM Stars using an Empirical Spectral Library
通过将恒星的光谱与几十种光谱标准进行比较来对恒星进行分类,一个多世纪以来一直是观测天文学的主力。在这里,我们扩展了这种技术,编译的光学光谱库的404试金石恒星观察凯克/HIRES的加州行星搜索。光谱是高分辨率(R~60000),高信噪比(SNR~150/像素),并注册到一个共同的波长尺度。库中的恒星具有来自干涉测量、星震学、LTE光谱合成和分光光度学的特性。为了解决文献中缺乏特征良好的晚期K矮星的问题,我们使用SED模型和盖亚星系测量了附近23颗K矮星的恒星半径和温度。该库表示跨越光谱类型~M5-F1(Teff ~ 3000- 7000 K,Rstar ~ 0.1-1.6 Rsun)的统一数据集。我们还提出了“经验SpecMatch”(SpecMatch-Emp),一个工具,用于参数化未知的光谱,通过比较他们对我们的光谱库。对于FGKM恒星,SpecMatch-Emp的有效温度(Teff)精度为100 K,恒星半径(Rstar)精度为15%,金属丰度(Fe/H)精度为0.09 dex。由于该代码依赖于经验光谱,因此它对K4及以后的恒星表现得特别好,这些恒星很难用现有的光谱合成器建模,Teff的精度达到70 K,Rstar的精度达到10%,[Fe/H]的精度达到0.12 dex。我们还验证了SpecMatch-Emp的性能,发现它在较低的光谱分辨率和SNR下具有鲁棒性,能够表征微弱的…
2017-01-04 astro-ph.SR
StarUnLink: identifying and mitigating signals from communications satellites in stellar spectral surveys
本文针对低轨卫星对大规模恒星光谱巡天的污染问题,提出基于卷积网络的识别、参数恢复与源分离方法,在WEAVE类巡天中实现高精度污染标记与小于1%的光谱重建误差,显著提升恒星参数测定性能。
2023-06-28 astro-ph.IM astro-ph.SR
Machine learning Applied to Star-Galaxy-QSO Classification and Stellar Effective Temperature Regression
在现代天体物理学中,机器学习凭借其对大量数据进行预测或计算建议的强大能力越来越受欢迎。我们描述了一个应用程序的监督机器学习算法,随机森林(RF),恒星/星系/类星体分类和恒星有效温度回归的基础上相结合的LAMOST和SDSS光谱数据。这种组合使我们能够使用有史以来最大的训练样本之一获得可靠的预测。训练样本是用大约300万个物体的九色数据集和超过100万个恒星的七色数据集建立的。通过对RAVE、6dFGS、UVQS和APOGEE卫星观测数据的验证和盲测,检验了分类和回归的性能。结果表明,RF算法是一种有效的分类算法,对恒星和星系的分类精度高于99%,对类星体的分类精度高于94%.这些准确率高于以前研究中的机器学习结果。回归的总标准偏差小于200 K,这与一些基于光谱的方法相似。宽带测光的机器学习算法为我们提供了一种比传统的彩色裁剪和SED拟合更有效的方法来处理大量的天体物理数据。
2018-11-09 astro-ph.GA astro-ph.IM astro-ph.SR
Stellar Population Astrophysics (SPA) with the TNG: Identification of a Sulphur line at lambda(air) = 1063.600nm in GIANO-B stellar spectra
上下文随着新的红外高分辨率光谱仪的出现,迫切需要精确的红外原子数据。在许多情况下,近红外恒星谱线的识别、波长、强度、展宽和超精细分裂参数不足以精确地模拟观测光谱,在其他情况下甚至不存在。一些恒星的特征还没有被确认。目标。这项工作的目的是确定在不同光谱类型的恒星的光谱中看到的λ(vac)= 1063.891 nm或λ(air)= 1063.600 nm的光谱特征,用GIANO-B光谱仪观察。方法.从标准原子数据库中搜索谱线以匹配谱线列表中未识别的特征没有成功。然而,通过调查原始的、已发表的实验室数据,我们能够识别出这一特征并解决问题。为了确认它的识别,我们在太阳强度谱中模拟了假定的恒星线,并找到了一个很好的匹配。结果我们发现,所观察到的光谱特征是一个恒星线起源于4s '-4p'过渡在SI,和它的缺席的原因是在原来的实验室测量从1967年为这条线的空气到真空的校正在原子线数据库。由内插求得S-I线的实验室波长为λ(vac)= 1063.8908 nm或λ(air)= 1063.5993 nm,上能级的激发能为9.74978 eV。
2019-10-08 astro-ph.IM astro-ph.SR
Blue Stragglers in Clusters and Integrated Spectral Properties of Stellar Populations
蓝离散星是星团颜色星等图中最突出的明亮天体,它对恒星演化理论提出了挑战。星团是宇宙中简单恒星星族(SSP)理论概念最接近的对应物。SSPs被广泛用作解释星系中恒星成分的基本构件。SSP的概念是一组同时代的恒星,它们遵循给定的质量分布,并且具有相同的化学性质和年龄。在实际应用中,利用最新的单星演化模型可以更方便地得到单星演化模型。然而,在现实中,恒星在诞生时或在典型环境中的演化过程中可能比单一的更复杂。对星团的观测表明,总有一些奇异的天体不遵循标准恒星演化理论的预言。本书在观测和理论上都深入讨论了蓝离散星(BSS),它在我们研究星团或简单的恒星星族的综合光谱性质时非常重要。在本章中,我们将描述BSS对集群总光的贡献有多重要。
2014-06-13 astro-ph.SR
A spectral library and census of near-infrared stellar large-amplitude variables from Palomar Gattini-IR
California Institute of Technology(加州理工学院);Columbia University(哥伦比亚大学)
本研究利用Palomar Gattini-IR三年巡天数据,从北天7000万颗恒星中筛选出128颗大振幅变星,结合多台望远镜的中分辨率光谱完成分类普查,构建的光谱测光库可为后续红外巡天提供参考。
2025-10-21 astro-ph.IM astro-ph.SR
Is it possible to detect coronal mass ejections on solar-type stars through extreme-ultraviolet spectral observations?
本研究构建类太阳恒星CME解析模型推导EUV谱线轮廓,发现使用中等分辨率与信噪比的EUV光谱仪可基于谱线不对称性探测恒星CME信号并推断其速度,为未来仪器设计与观测策略提供参考。
2024-02-19 astro-ph.SR
ACTIN: A tool to calculate stellar activity indices
恒星大气层中的磁场活动产生了许多光谱特征,这些特征在谱线的形状和强度上是可见的。这些特征可以用于访问,除其他事项外,磁活动的可变性,或其对其他参数的影响,如测量的径向速度(RV)。后者对于探测和描述围绕其他恒星运行的行星至关重要。ACTIN是一个计算恒星活动指数的Python程序。程序从光谱仪管道返回的.fits文件或.rdb表中读取输入数据。它自动提取计算光谱活动指数所需的光谱数据。输出是一个.rdb表,其中包含每个日期(儒略日)的计算恒星活动指数,以及RV和交叉关联函数剖面参数(如果可用)。它还输出活动指数的时间序列图,并绘制用于计算指数的谱线。
2018-11-22 astro-ph.IM astro-ph.SR
Application of Self-Organizing Map to Stellar Spectral Classifications
提出了一种自动、快速、准确、鲁棒的天体分类方法。自组织映射(SOM)作为一种无监督的人工神经网络(ANN)算法,被用于恒星光谱的分类。SOM被用来使不同的光谱类的JHC库的集群。这种人工神经网络技术不需要训练样本,直接将恒星光谱数据输入网络进行分类。JHC库包含161个光谱,其中158个光谱被选择用于分类。这158个光谱是网络的输入向量,并映射到二维输出网格中。将彼此接近的输入向量映射到输出空间中相同或相邻的神经元。因此,相似的对象在输出地图中形成聚类,使分析高维数据变得容易。在对158个恒星光谱(每个光谱2799个数据点)运行SOM算法后,对输出图进行了分析,发现输出图中有7个星团对应于O到M恒星类型。但是,在158个分类器中有12个分类错误,所有这些分类器都被错误地分类到正确聚类的邻域中,成功率约为92.4%。
2011-08-02 astro-ph.SR physics.data-an
Automatic Determination of Stellar Atmospheric Parameters and Construction of Stellar Spectral Templates of the Guoshoujing Telescope (LAMOST)
一些光谱测量已经进行或计划研究银河系的起源。它们的开发需要可靠的自动化方法和软件来测量恒星的基本参数。采用ULySS软件包,我们测试了不同分辨率和信噪比(SNR)对恒星大气参数(有效温度Teff、表面重力log g和金属丰度[Fe/H])测量的影响。我们表明,ULySS是可靠的,以确定这些参数与中等分辨率的光谱(R~2000)。然后,我们应用该方法对郭守敬望远镜调试数据库中的771颗恒星进行了参数测量。结果与SDSS/SEGUE恒星参数管道(SSPP)进行了比较,我们得出的精度为167 K,0.34 dex,和0.16 dex的Teff,log g和[Fe/H]分别。此外,这些恒星中的120个被选择来构建GSJT的初级恒星光谱模板库(版本1.0),并将被部署为GSJT自动参数化管道的基本成分。
2011-05-13 astro-ph.SR
Spectral synthesis including massive binaries
我们已经建立了一个新的代码来产生合成光谱的恒星星族,其中包括大质量的双星。我们已经测试了这个代码对宽带颜色的未解决的年轻的大质量星团在附近的星系,红色和蓝色的沃尔夫-拉叶颠簸的恒星形成的SDSS星系的等效宽度和UV和光学光谱的恒星形成区域Tol-A和B在NGC 5398。在每种情况下,我们发现我们的模型和观察之间有很好的一致性。我们发现,在一般的双人口是蓝色的,有较少的红超巨星,因此显着较少的流量在I波段和更长的波长,比单星人口。我们还发现,沃尔夫-拉叶星在包括双星在内的恒星星族中出现的年龄范围更广,最长可达10^7年,这增加了后来的紫外光通量和沃尔夫-拉叶光谱特征。此外,我们发现,星云的排放有助于显着这些观察到的属性,必须考虑比较恒星模型与未解决的恒星星族的观察。我们的结论是,纳入大质量恒星双星可以提高观测和合成光谱合成代码之间的协议,特别是年轻的恒星星族的系统。
2009-08-31 astro-ph.CO astro-ph.SR
The APOGEE Library of Infrared SSP Templates (A-LIST): High-Resolution Simple Stellar Population Spectral Models in the H-Band
来自星系的综合光谱学可以用来研究无法分解成单个恒星的恒星星族。这种分析依赖于恒星星族合成(SPS)技术来研究星系的形成历史和结构。然而,可用于SPS的光谱模板是有限的,特别是在近红外。我们提供了A-LIST(APOGEE红外SSP模板库),这是一组新的高分辨率、近红外SSP光谱模板,涵盖广泛的年龄(2-12 Gyr)、金属丰度($\rm -2.2 < [M/H] < +0.4$)和$α$丰度($\rm -0.2 < [α/M] < +0.4$)。这组SSP模板是近红外波段可用的最高分辨率($R\sim22500$),也是第一个基于经验恒星库的模板。我们的模型是使用分布在银河系中的$\sim$ 30万颗恒星的光谱生成的,这些恒星具有广泛的金属丰度和丰度,来自APOGEE调查。我们发现,我们的模型光谱提供了准确的拟合M31球状星团光谱与APOGEE,最佳拟合金属丰度同意与以前的估计,在$\sim$ 0.1德克斯。我们还比较了这些模型的光谱较低的分辨率E-MILES模型,并证明,我们恢复这些模型的年龄在$\sim$ 1.5 Gyr。该库可在https://github.com/aishashok/ALIST-library上找到。
2020-12-31 astro-ph.GA astro-ph.IM astro-ph.SR
Exploring Late Stellar Evolution in the Era of Large Surveys: Machine Learning Prospects for Hot Subdwarfs and White Dwarfs
University of Antananarivo(塔那那利佛大学);KU Leuven(荷语鲁汶大学)
该研究探讨机器学习在热亚矮星与白矮星的探测、表征及物理解释中的应用,结合多波段观测数据可高效研究致密恒星的演化,凸显高级算法在晚期恒星演化研究中的重要作用。
2026-08-27 astro-ph.SR
HR-pyPopStar II: high spectral resolution evolutionary synthesis models low metallicity expansion and the properties of the stellar populations of dwarf galaxies
Max-Planck Institut für Astrophysik(马克斯·普朗克天体物理研究所);Departamento de Investigación Básica, CIEMAT(基础研究部,CIEMAT);Centro de Astrobiologí´a (CSIC/INTA)(天文生物学中心(CSIC/INTA));FRACTAL S.L.N.E.
HR-pyPopStar II通过高光谱分辨率模型研究低金属丰度恒星群体,分析矮星系恒星群体性质及金属丰度特征。
2025-10-03 astro-ph.CO astro-ph.GA astro-ph.SR
The Stellar Abundances and Galactic Evolution Survey (SAGES). II. Machine Learning-Based Stellar parameters for 21 million stars from the First Data Release
本文利用SAGES DR1与Gaia EDR3等多波段测光数据,结合随机森林方法估计约2100万颗恒星的[Fe/H]、logg和Teff,并构建了用于贫金属星和银河系结构研究的基础数据集。
2025-02-05 astro-ph.GA astro-ph.SR
Determination of stellar atmospheric parameters for a sample of the post-AGB stars
本文首次报道了Suarez等人(2006)分类的一组后AGB恒星的大气参数。恒星光谱取自光学区,分辨率低,光谱范围不同。我们选择了70个具有A-K光谱类型和光度I和Ie的物体的样本。这些天体中的绝大多数几乎没有被研究过,并且位于银河系南极区域。我们采用了一套经验关系,使用伪等效宽度像光谱特征估计有效温度,表面重力和金属丰度。选择吸收的标准类似于MK分类系统所采用的标准。
2018-06-19 astro-ph.SR
Effects of continuum fudging on non-LTE synthesis of stellar spectra. I. Effects on estimates of UV continua and Solar Spectral Irradiance variability
在非局域热力学平衡(non-LTE)条件下进行的合成通常会高估恒星光谱。在文献中广泛采用的方法,以减少过量的紫外线辐射包括人工增加的连续不透明度,通过使用乘法模糊因子,这是经验推导出的合成光谱,以匹配观察到的。虽然该方法最初是为了改善非LTE合成的谱线,它最近已被用来模拟太阳光谱辐照度的变化。这种辐照度重建技术结合了不同类型结构的光谱合成,这些结构是利用从参考安静太阳模型导出的因子来执行的。由于不透明度尺度与等离子体的物理性质在一个复杂的方式,产生的问题是否,以及在何种程度上,使用参考模型推导出的模糊因子可以用来调整模型的不透明度,代表不同类型的安静和磁性功能。在这里,我们调查的影响,不透明度捏造的估计太阳和恒星的辐照度变化在紫外波段。我们发现,使用模糊因子可能会低估19%和高达20%的变化范围内230-300 nm和300-400 nm,分别。这些估计值依赖于模型,应视为上限。最后,我们的分析表明,使用fudge因子所产生的不确定性随着恒星金属丰度的降低而增加,并且对于变星是辐角主导的并且其有效温度大于约4000 K的恒星是重要的。
2018-12-13 astro-ph.SR
The FEROS--Lick/SDSS observational database of spectral indices of FGK stars for stellar population studies
我们提出FEROS-Lick/SDSS,一个经验数据库的FGK恒星的Lick/SDSS光谱指数用于人口综合项目,区分不同的恒星星族内的综合光的星系和球状星团。从大约2500 FEROS恒星光谱获得的ESO科学档案设施,我们计算线强度指数为1085非超巨星大气参数估计从AMBRE项目。两个样本的312 { \it矮星}和83 { \it亚巨星}与太阳的化学成分和没有显着的$α$ -元素丰度增强被用来比较其观测指数与预测的利克/SDSS库的合成指数。总的来说,合成的数据库很好地再现了观测指数随温度变化的行为,但是在低温($T_{\rm eff}$ $\lesssim $ 5000\,K)矮星的情况下,低温次巨星的数量不足以得出任何结论。几种可能的原因的分歧进行了讨论,并提出了有前途的理论改进。
2014-05-26 astro-ph.SR